Beziehungs-Texting-Benchmarks 2026

Was zeigen lange Beziehungs-Nachrichtenverläufe tatsächlich?

Über 4.600.611 Nachrichten in 29 deduplizierten Zwei-Parteien-Verläufen von 20 Konten tragen etwa 97,4 % der Nachrichten kein erkennbares emotionales Signal, und Zuneigungsäußerungen übertreffen explizite Reparaturversuche um etwa 10,7 zu 1. Die Raten werden pro Konto berechnet, bevor sie kombiniert werden, weil ein Uploader neun der qualifizierenden Threads beigesteuert hat. Dies ist eine Kohorte von Personen, die sich dafür entschieden haben, eine Beziehung analysieren zu lassen, daher ist es keine repräsentative Stichprobe von Beziehungen, und nichts hier diagnostiziert Missbrauch, Täuschung oder Krankheit oder sagt ein Ergebnis voraus.

• Die Person, die die Analyse angefordert hat, hat 53 % der Nachrichten gesendet. Pro Konto berechnet, dann über Konten hinweg genommen. Das beschreibt, wer sich dafür entscheidet, einen Thread analysieren zu lassen, nicht Beziehungen im Allgemeinen.
• Zuneigung war in 14 von 20 Konten outbound höher. Pro 1.000 Nachrichten: 22,463 outbound gegenüber 20,819 inbound.
• 97,4 % der Nachrichten trugen kein erkennbares emotionales Signal. Lange Verläufe sind überwiegend Logistik, Timing und Small Talk. Die affektiven Klassen sind die Ausnahme, weshalb einzelne Screenshots irreführen.
• Zuneigungsäußerungen übertrafen Reparaturversuche um etwa 10,7 zu 1. Wärme ist häufig; der ausdrückliche Versuch, einen Bruch zu reparieren, ist selten. Die Lücke zwischen ihnen ist das stabilste Verhältnis in der Kohorte.
• Feindselige Sprache war nahezu abwesend: Die häufigste solche Klasse lag bei 0,032 pro 1.000 Nachrichten. Distress, Threat erreichte keine messbare Rate. Dies ist eine Eigenschaft davon, wer hochlädt, nicht ein Beweis dafür, dass Feindseligkeit in Beziehungen selten ist.
• Nicht berichtet – Criticism: Richtungsaufteilung ist ein Messartefakt, kein Verhaltensbefund. Zurückgehalten bis zu einer richtungsblinden Neubewertung.
• Nicht berichtet – Manipulation: Richtungsaufteilung ist ein Messartefakt, kein Verhaltensbefund. Zurückgehalten bis zu einer richtungsblinden Neubewertung.
• Nicht berichtet – Repair: Die Kontomehrheit (12 outbound vs. 6 inbound) zeigt in die entgegengesetzte Richtung der kombinierten Rate (2,108 vs. 2,481). Es wird keine Richtungsaussage gemacht.
• Nicht berichtet – Blame: Die Rate rundet über die Kohorte auf null; die Klasse ist hier zu selten, um berichtet zu werden.
• Nicht berichtet – Reply latency: Die Threads spalteten sich 9 zu 13 darin, welche Seite langsamer antwortet – keine konsistente Richtung, daher wird keine Aussage zur Antwortgeschwindigkeit gemacht.
• Nicht berichtet – Thread duration: Die Spanne ist auf wenige exakte Werte aus wiederholten Uploads derselben Beziehung geclustert, daher würde eine mediane Spanne das Upload-Muster beschreiben statt die Beziehungen.
• Einschränkung: Die Kohorte sind Personen, die sich dafür entschieden haben, eine Beziehung analysieren zu lassen. Es ist keine zufällige oder repräsentative Stichprobe von Beziehungen.
• Einschränkung: Die Richtung wird dadurch definiert, wer hochgeladen hat. Jede Statistik, die nach Richtung aufgeteilt wird, erbt diese Auswahl.
• Einschränkung: Klassifikator-Labels sind Modellausgaben, keine klinischen Urteile, und tragen die Fehlerrate des Modells, das sie erzeugt hat.
• Einschränkung: Die Kohorte ist klein. Die Zahlen zeigen Form und Größenordnung, nicht Präzision, und es wird kein Signifikanztest beansprucht.
• Einschränkung: Grey Mirror misst Muster im Text. Es diagnostiziert keinen Missbrauch, keine Täuschung, keine Krankheit und sagt keine Ergebnisse voraus.

Warum ein Screenshot der schwächste Beleg über eine Beziehung ist

Die folgenreichste einzelne Zahl in dieser Kohorte ist, wie wenig einer Beziehung überhaupt emotional lesbar ist. Etwa 97,4 % der Nachrichten trugen kein erkennbares emotionales Signal. Lange Verläufe sind überwiegend Logistik, Timing und Small Talk; die affektiven Klassen sind die Ausnahme statt die Textur.

Das macht einen Screenshot strukturell irreführend. Ein Screenshot ist keine Zufallsstichprobe einer Beziehung – er ist der Bruchteil eines Prozents, den jemand aufbewahrt hat, meist im aufgewühlten Zustand. Eine Beziehung anhand gespeicherter Screenshots zu lesen bedeutet, die am wenigsten repräsentative verfügbare Stichprobe zu lesen, gerade deshalb ausgewählt, weil sie unrepräsentativ genug war, um es wert zu sein, aufbewahrt zu werden.

Pro 1.000 Nachrichten gemessen, lag Zuneigung bei 22,463 outbound gegenüber 20,819 inbound, während explizite Reparatur bei 2,108 outbound gegenüber 2,481 inbound lag. Neutrale oder unklare Nachrichten lagen bei 973,105 pro 1.000. Diese Anteile sind in jedem Auszug unsichtbar.

Methodik

Jede Zahl stammt aus einer reproduzierbaren, schreibgeschützten Aggregation über den Produktionsanalyse-Speicher. Kein Nachrichtentext, Sendername, keine E-Mail-Adresse oder Zeile pro Thread geht in das veröffentlichte Artefakt ein. Kontenidentität existiert in der Aggregation nur als gesalzener Hash, und Teilnehmernamen werden ersetzt, bevor irgendein Text bewertet wird.

Ein Thread qualifiziert sich, wenn er mindestens 500 Nachrichten enthält, zwei beteiligte Seiten hat, über verwertbare Zeitstempel verfügt und sich über mindestens 30 Tage erstreckt. Die mediane Spanne in der veröffentlichten Kohorte beträgt 264 Tage. Ein erneuter Upload derselben Beziehung zählt einmal, geschlüsselt auf das besitzende Konto und die Thread-Endpunkte statt auf die Nachrichtenanzahl, weil ein teilweiser erneuter Upload eine andere Anzahl und dieselbe Konversation hat.

Die Analyseeinheit ist das Konto, nicht der Thread. Ein Konto steuerte neun der qualifizierenden Threads bei; eine Mittelung über Threads hätte diesem Konto neun korrelierte Stimmen gegeben. Jede Rate wird daher zuerst pro Konto berechnet und erst dann kombiniert, und kein Konto darf mehr als ein Viertel der Kohorte beisteuern. Klassenaufschlüsselungen werden unter 10 Konten vollständig unterdrückt, und unter 15 wird nichts veröffentlicht.

• Nach allen Regeln geeignet: 89 Threads, aus denen die veröffentlichte Kohorte von 29 deduplizierten Verläufen gezogen wurde.
• Ausgeschlossen, unter der 500-Nachrichten-Untergrenze: 119 Threads.
• Ausgeschlossen, unplausible Zeitstempel, die auf einen Parser-Sentinel zurückfielen: 46 Threads.
• Ausgeschlossen, Spanne kürzer als 30 Tage: 37 Threads.
• Ausgeschlossen, einseitig ohne echten zweiten Teilnehmer: 19 Threads.
• Ausgeschlossen, Kontenobergrenze, damit kein einzelner Uploader dominiert: 8 Threads.

Die sechs Kennzahlen, die berechnet und zurückgehalten wurden

Ein Benchmark, der nur berichtet, was funktioniert hat, ist kein Benchmark. Sechs Kennzahlen wurden berechnet und dann bewusst unveröffentlicht gelassen. Jede wird mit dem Grund genannt, aus dem sie zurückgehalten wurde, damit die Entscheidung diskutiert werden kann statt auf Vertrauen hingenommen zu werden.

• Kritik: Die Richtungsaufteilung ist ein Messartefakt, kein verhaltensbezogener Befund. Zurückgehalten bis zu einer richtungsblinden Neubewertung.
• Manipulation: Die Richtungsaufteilung ist ein Messartefakt, kein verhaltensbezogener Befund. Zurückgehalten bis zu einer richtungsblinden Neubewertung.
• Reparatur: Die Kontenmehrheit (12 ausgehend vs. 6 eingehend) zeigt in die entgegengesetzte Richtung zur kombinierten Rate (2,108 vs. 2,481). Es wird keine Richtungsaussage getroffen.
• Schuldzuweisung: Die Rate rundet über die Kohorte auf null; die Klasse ist hier zu selten, um berichtet zu werden.
• Antwortlatenz: Die Threads teilen sich 9 zu 13 darin, welche Seite langsamer antwortet -- keine konsistente Richtung, daher wird keine Aussage zur Antwortgeschwindigkeit getroffen.
• Thread-Dauer: Die Spanne konzentriert sich auf wenige exakte Werte aus wiederholten Uploads derselben Beziehung, sodass eine mediane Spanne eher das Upload-Muster beschreiben würde als die Beziehungen.

Wie jeder Begriff definiert ist

Zwei dieser Begriffe werden in dieser Kohorte direkt gemessen. Die übrigen sind Vokabular aus dem Grey-Mirror-Bericht und hier aufgeführt, damit jemand, der das Produkt zitiert, nicht raten muss, was die Wörter bedeuten. Die Unterscheidung wird bei jedem angegeben, damit die beiden nicht verwechselt werden.

• Emotionales Signal (hier gemessen): eine Nachricht, die der Klassifikator einer der affektiven Klassen zuordnet - Zuneigung, Reparatur, Schuldzuweisung, Not, Belästigung oder Drohung - statt Neutral/Unsicher. Die 97,4%-Schlagzeile ist der Anteil, der auf Neutral/Unsicher entfiel.
• Reparatur (hier gemessen): eine Nachricht, die der Klassifikator als ausdrücklichen Versuch bewertet, nach Reibung zu deeskalieren oder wieder anzuknüpfen. Sie ist die seltenste häufige Klasse in dieser Kohorte.
• Reziprozität (Berichtsvokabular): wie Initiierung, Nachfassen und Antwort zwischen den beiden Seiten verteilt sind, berichtet als Initiierungsbalance - der Anteil der Gesprächsstarts, der jedem Teilnehmer zugeschrieben wird.
• Evidenzfenster (Berichtsvokabular): die Spanne der umgebenden Nachrichten, auf die eine Aussage gestützt ist. Eine Kennzahl, die aus vielen gut verteilten Fenstern über Monate gezogen wird, trägt ein engeres Konfidenzband als eine, die aus wenigen gebündelten Fenstern in einer einzigen Woche gezogen wird.
• Timing-Drift (Berichtsvokabular): eine anhaltende Veränderung des Antworttimings über vergleichbare Zeiträume, abzugrenzen von einer einzelnen isolierten langsamen Phase. In dieser Kohorte nicht als veröffentlichte Zahl gemessen - siehe die zurückgehaltene Kennzahl zur Antwortlatenz unten.
• Konfliktschleife (Berichtsvokabular): dieselbe Meinungsverschiedenheit, die in unterschiedlicher Formulierung über einen Verlauf hinweg wiederkehrt, identifiziert durch Wiederkehr statt durch einen einzelnen Austausch.

Einschränkungen, klar benannt

Dies ist eine selbstselektierte Kohorte von Personen, die sich dafür entschieden haben, eine Beziehung analysieren zu lassen, gezogen aus einem Verbraucherprodukt. Sie ist keine Zufallsstichprobe, keine repräsentative Stichprobe von Beziehungen und keine klinische Population. Jede Zahl sollte als Form und Größenordnung gelesen werden, nicht als Präzision. Es wird kein Signifikanztest beansprucht.

• Die Kohorte besteht aus Personen, die sich dafür entschieden haben, eine Beziehung analysieren zu lassen. Sie ist keine Zufalls- oder repräsentative Stichprobe von Beziehungen.
• Die Richtung wird dadurch definiert, wer hochgeladen hat. Jede nach Richtung aufgeteilte Statistik erbt diese Selektion.
• Klassifikator-Labels sind Modellausgaben, keine klinischen Urteile, und tragen die Fehlerrate des Modells, das sie erzeugt hat.
• Die Kohorte ist klein. Zahlen zeigen Form und Größenordnung, nicht Präzision, und es wird kein Signifikanztest beansprucht.
• Grey Mirror misst Muster im Text. Es diagnostiziert keinen Missbrauch, keine Täuschung, keine Krankheit und sagt keine Ergebnisse voraus.

Was dies nicht beweist

Die häufigste Art, wie ein Befund wie dieser falsch berichtet wird, besteht darin, eine Eigenschaft der Uploader in eine Aussage über Beziehungen im Allgemeinen zu verwandeln. Dies sind die konkreten Schlussfolgerungen, die die Daten nicht stützen.

• Es zeigt nicht, dass Feindseligkeit in Beziehungen selten ist. Schuldzuweisung, Not und Drohung erreichten hier keine messbare Rate, und Belästigung lag bei 0,032 pro 1.000 Nachrichten. Das ist eine Eigenschaft dessen, wer einen Verlauf in ein Verbrauchertool hochlädt, kein Beleg über die Population.
• Es zeigt nicht, dass eine Seite im Allgemeinen mehr textet als die andere. Der Uploader sendete etwa 53% der Nachrichten, mit einer Spanne über die Konten von 46,5 bis 59,3%. Die Richtung wird dadurch definiert, wer hochgeladen hat, sodass jede nach Richtung aufgeteilte Statistik diese Selektion erbt.
• Es zeigt nicht, dass eine der beiden Seiten schneller antwortet. Die Threads teilen sich 9 zu 13 über 22 entschiedene Threads, weshalb keine Aussage zur Antwortgeschwindigkeit getroffen wird.
• Es diagnostiziert keinen Missbrauch, keine Täuschung, keine Manipulation und keine psychische Erkrankung, und es stellt keine Absicht fest. Klassifikator-Labels sind Modellausgaben, die diese Modellfehlerrate tragen, keine klinischen oder rechtlichen Urteile.
• Es sagt nicht voraus, ob eine Beziehung fortbesteht oder endet. Nichts in diesem Artefakt ist ein Ergebnis- oder Verlaufsmodell.

Warum dies wichtig ist

Für alle, die über Beziehungsanalyse schreiben, ist die praktische Implikation, dass die Evidenzbasis, auf die fast alle ihre Schlüsse stützen, die falsche Stichprobe ist. Wenn ungefähr 97,4% eines echten Threads kein emotionales Signal tragen, dann ist Rat, der auf gespeicherten Screenshots aufbaut, auf den 2,6% aufgebaut, die jemand für bemerkenswert genug hielt, um sie zu behalten.

Für die KI-Textinterpretation setzt es eine Untergrenze dafür, was ein Einzelnachrichten-Tool ehrlich behaupten kann. Ein Modell, dem ein einzelner Austausch gezeigt wird, hat keinen Zugang zur Basisrate, aus der er stammt, und kann daher kein charakteristisches Muster von einem Ausreißer unterscheiden. Das ist eine Einschränkung des Inputs, nicht des Modells.

Für den Datenschutz ist es der Grund, warum dieses Artefakt ausschließlich aggregiert ist. Ein Nachrichtenverlauf gehört zu den sensibelsten Dingen, die ein Mensch besitzt, und die Veröffentlichung von Zeilen pro Thread würde Mitwirkende der Re-Identifizierung aussetzen. Die Anonymisierung erfolgt vor der Bewertung, und kleine Kohorten werden unterdrückt statt gezeigt.

Für die Screenshot-Kultur im weiteren Sinne ist der Befund auf nützliche Weise unbequem: Das Artefakt, das Menschen per Screenshot festhalten und verbreiten, ist dafür ausgewählt, untypisch zu sein, und wird dann gelesen, als wäre es typisch.

So zitieren

Zitiervorschlag: Weant, L. (2026). Relationship Texting Benchmarks 2026: What Long-Term Message Histories Reveal About Reciprocity, Conflict and Repair. Wentropy Labs / Grey Mirror. https://justlay.me/research/relationship-texting-benchmarks-2026

Veröffentlicht am 22.08.2026. Datensatz: 4.600.611 Nachrichten aus 29 deduplizierten Zwei-Parteien-Verläufen von 20 Konten. Datenversion relationship-texting-benchmarks-v2, Codeversion 0bc2ae04. Das vollständige aggregierte Artefakt, einschließlich jeder zurückgehaltenen Zahl und ihres Grundes, ist als JSON unter https://justlay.me/benchmarks/relationship-texting-benchmarks.json unter CC BY 4.0 veröffentlicht.

Beim Zitieren einer beliebigen Zahl aus dieser Studie lautet die korrekte Basisangabe: 29 deduplizierte Verläufe mit insgesamt 4.600.611 Nachrichten von 20 Konten. Presse- und Forschungsanfragen gehen an press@justlay.me.

Verwandte Lektüre

• Vollständiger Beziehungs-Textanalysator für ganze Threads - die Methode, aus der diese Benchmarks stammen
• Screenshot-Analyse versus Beziehungs-Textanalyse über den ganzen Thread
• Grey-Mirror-Methodik
• Evidenzstandards - was eine Aussage tragen muss, bevor sie berichtet wird
• Metrik-Bibliothek - jede Kennzahl definiert
• Datenschutz und Löschung - wie hochgeladene Verläufe behandelt werden
• Red-Flag-Analyse über einen ganzen Thread
• Antwortzeitmuster und Timing-Drift
• Interaktiver Beispielbericht
• The Signal Is Rare - die begleitende Konflikt-Kohortenstudie